【正文】 圖斑為單元結(jié)合紋理信息的人工神經(jīng)網(wǎng)絡(luò)方法，使該區(qū)域的土地覆蓋分類能夠達(dá)到的精度最大為89%。Stolz，Roswitha（1996）為解決在德國(guó)南部的Bavarian山區(qū)草地與谷物很難區(qū)分這一情況，使用RS和GIS，對(duì)圖像中每個(gè)像元的類別進(jìn)行判定，最終結(jié)果比僅用歸一化植被指數(shù)(NDVI) 進(jìn)行地面植被分類的精度高。ADAMS等(1995)采用1988年、1989年、1990年的TM影象對(duì)巴西AMZON盆地進(jìn)行土地覆蓋變化研究，其監(jiān)測(cè)精度可達(dá)到90％以上。田新光等采用面向?qū)ο蟮奶崛》椒ǎ瑢?duì)IKONOS衛(wèi)星影像利用簡(jiǎn)單的決策樹(shù)分類方法對(duì)海岸帶紅樹(shù)林信息提取，并與其他方法進(jìn)行比較，結(jié)果表明該分類精度較高[16]。顏梅春以南京市鐘山景區(qū)為試驗(yàn)區(qū)，探討了植被類型信息提取相關(guān)的圖像預(yù)處理和植被類型信息提取方法,利用IKONOS影像數(shù)據(jù)的紋理信息進(jìn)行植被分類, 并將結(jié)果與用光譜信息、植被指數(shù)信息的分類結(jié)果比較。黃建文等利用TM數(shù)據(jù)對(duì)4個(gè)季節(jié)的帽兒山進(jìn)行植被分類，同時(shí)輔助以物候特征和地面GIS專題信息，先利用基于光譜知識(shí)的林地提取模型提取林地邊界，再用監(jiān)督分類方法分別進(jìn)行林地和非林地內(nèi)部類型信息的提取，生成多季相綜合分類圖，％[13]。在國(guó)內(nèi)，邸向紅等通過(guò)引入高程信息能很好地將林地與果園分開(kāi)[11]。將光譜特征和非光譜形成的特征(如地形、紋理結(jié)構(gòu)等)結(jié)合對(duì)植被的提取也有很大的幫助。、。利用光學(xué)遙感進(jìn)行植被信息提取的理論是植被的光譜特征，與其他地物光譜特征具有明顯的區(qū)別。隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，遙感技術(shù)的不斷日益創(chuàng)新，遙感植被信息提取也不斷的出現(xiàn)了很多新的方法。信息復(fù)合的內(nèi)容和方式包括：；；。最開(kāi)始的植被分類主要采用人工目視解譯，它可充分利用判讀人員的知識(shí)，具有很好的靈活性，擅長(zhǎng)提取空間相關(guān)信息，但定位不準(zhǔn)確，時(shí)效性差，可重復(fù)性差，并存在個(gè)人差異[7]。因此植被信息的調(diào)查成為遙感的重要應(yīng)用領(lǐng)域[35]。因此，相關(guān)植被信息提取顯得極其重要?；谶b感技術(shù)的桉樹(shù)空間分布信息提取，在國(guó)內(nèi)外研究中，可以參考的文獻(xiàn)資料很少，但現(xiàn)有的采用遙感技術(shù)提取其它植被信息的研究積累為本論文的研究提供了借鑒。繼1972年美國(guó)實(shí)施地球資源衛(wèi)星計(jì)劃以來(lái)，衛(wèi)星遙感技術(shù)以迅猛的速度在全球范圍內(nèi)發(fā)展，隨著新的遙感平臺(tái)陸續(xù)升空，遙感儀器也不斷的進(jìn)行更新?lián)Q代。隨著遙感技術(shù)的發(fā)展，因其具有覆蓋面積大、重復(fù)周期短、多時(shí)相性和動(dòng)態(tài)監(jiān)測(cè)等優(yōu)勢(shì)，已成為一種最有效的資源調(diào)查和監(jiān)測(cè)手段，廣泛應(yīng)用于遙感信息提取中。這就需要對(duì)桉樹(shù)進(jìn)行調(diào)查研究，提取桉樹(shù)分布信息，從而快速準(zhǔn)確的得到桉樹(shù)資源空間分布信息，為研究區(qū)生物多樣性保護(hù)、生態(tài)功能維持和恢復(fù)提供支持。云南作為桉樹(shù)種植的省份之一，2002年金光集團(tuán)與云南省政府合作，于2003年簽下153萬(wàn)hm2的林漿紙基地，開(kāi)始引種，關(guān)于引種桉樹(shù)人工林的生態(tài)問(wèn)題爭(zhēng)論也隨之而來(lái)。我國(guó)自1890年引種桉樹(shù)以來(lái)，從零星種植到規(guī)模發(fā)展，現(xiàn)有桉樹(shù)人工林總面積達(dá)到170多萬(wàn)hm178。 Information extraction目錄 1 1 1 2 4 5 5 6 72. 遙感圖像計(jì)算機(jī)分類技術(shù) 8 9 9 9 傳統(tǒng)分類方法的不足 11 計(jì)算機(jī)非傳統(tǒng)分類方法 11(ANN) 12(SVM) 13 14 16 17 Kappa分析 17 19 研究區(qū)概況 19 21 21 21 27 29 33 33 35 38 40 45 基于決策樹(shù)的桉樹(shù)分布信息提取 45 4植被指數(shù)和主成分特征的決策樹(shù)信息提取 4植被指數(shù)、主成分特征和紋理特征的決策樹(shù)信息提取 54 基于其它分類方法的桉樹(shù)分布信息提取 60 ISODATA分類方法 60 最大似然分類方法 61 62 67 67 68參考文獻(xiàn)： 70致謝 75VII本論文依托于國(guó)家自然科學(xué)基金項(xiàng)目——云南尾葉桉類林引種的環(huán)境影響與生態(tài)安全格局研究開(kāi)展研究。 Texture。er City of Yunnan Province is used for the test area in paper. Based on December 28 2009 CMB satellite remote sensing images, the paper makes the study of extraction contrast for eucalypt with the more popular method of the decision tree and the traditional classification of information. At the same time, on the basis of spectral analysis of different land types, vegetation index, principal ponent transform features and texture information, the paper constructs classification of the characteristics of the study area to accurately extract the eucalyptus distribution information.The study finds that the decision tree based on the spectral information, vegetation index, principal ponent transform features and texture features is the best classification method and the best classification result in the decision tree classification process. The overall accuracy of that classification method is to reach %, Kappa coefficient is to reach , and eucalyptus producer’s accuracy is to reach 86%. The overall accuracy of that classification method is % higher than that based on spectral information, vegetation indices and principal ponent features. The Kappa coefficient is higher, and eucalyptus producer precision is 3%high. The overall accuracy of that classification method is % higher than that based on spectral information and vegetation indices. The Kappa coefficient is higher, and eucalyptus producer’s accuracy is 8% high. The study shows that texture features are helpful to improve the accuracy of eucalypt extract. Compared with the traditional IS0DATA and supervised classification maximum likelihood method, the overall accuracy of that classification method is % higher than that of the unsupervised classification IS0DATA Kappa coefficient is higher, and eucalypt producer’s accuracy is 44% high. The overall accuracy of that classification method is % higher than that of the supervised classification maximum likelihood Kappa coefficient is higher, and eucalyptus producer’s accuracy is 28% high. Because of full use of the spectrum of the surface features, the principal ponent transform characteristics, texture, and other information, decision tree classification improves the classification accuracy. In this study, the method and technique for automatic extraction of eucalypt resources based on decision tree is formed initially.Keywords: Eucalyptus。本論文研究初步形成了一套基于決策樹(shù)的桉樹(shù)分布信息資源自動(dòng)提取的方法與技術(shù)?？梢?jiàn)，紋理特征的加入有利于提高桉樹(shù)分布信息提取的精度。同時(shí)在分析不同地類的光譜、植被指數(shù)、主成分變換及紋理特征等信息的基礎(chǔ)上，構(gòu)建了適合研究區(qū)特點(diǎn)的分類方法，可較準(zhǔn)確地提取桉樹(shù)分布信息。本文以云南省普洱市西盟縣為試驗(yàn)區(qū)。做好桉樹(shù)森林資源調(diào)查是一項(xiàng)基礎(chǔ)性的工作，而傳統(tǒng)的森林資源調(diào)查費(fèi)時(shí)、費(fèi)力。研究生簽名： 導(dǎo)師簽名： 日 期： 摘要桉樹(shù)作為世界上三大速生林之一，因其具有很高的實(shí)用價(jià)值和經(jīng)濟(jì)效益，世界各地大量引種。 研究生簽名： 日 期： 論文使用和授權(quán)說(shuō)明本人完全了解云南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交學(xué)位論文和論文電子版；允許論文被查閱或借閱；學(xué)校可以公布論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。碩士研究生學(xué)位論文題 目基于RS的桉樹(shù)分布信息提取方法研究 扉頁(yè)：獨(dú)創(chuàng)性聲明本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，對(duì)本文的研究做出貢獻(xiàn)的集體和個(gè)人均已在論文中作了明確的說(shuō)明并表示了謝意。 （保密的論文在解密后應(yīng)遵循此規(guī)定）研究生簽名： 導(dǎo)師簽名： 日 期： …………………………………………………………………本人及導(dǎo)師同意將學(xué)位論文提交至清華大學(xué)“中國(guó)學(xué)術(shù)期刊（光盤(pán)版）電子雜志社”進(jìn)行電子和網(wǎng)絡(luò)出版，并編入CNKI系列數(shù)據(jù)庫(kù)，傳播本學(xué)位論文的全部或部分內(nèi)容，同意按《中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》規(guī)定享受相關(guān)權(quán)益。云南作為桉樹(shù)種植大省之一，如何科學(xué)合理地經(jīng)營(yíng)、管理桉樹(shù)人工林引起了人們的高度重視。近年來(lái)，隨著遙感技術(shù)的進(jìn)一步發(fā)展，利用遙感影像進(jìn)行特定的樹(shù)種信息提取為我們提供了一種有效手段。采用2009年12月28日中巴衛(wèi)星遙感影像，結(jié)合目前比較流行的決策樹(shù)方法與傳統(tǒng)分類方法對(duì)桉樹(shù)分布信息進(jìn)行提取對(duì)比研究。研究發(fā)現(xiàn)，在決策樹(shù)分類過(guò)程中，基于光譜、植被指數(shù)、主成分變換和紋理特征的決策樹(shù)是最佳的分類方法，分類效果最好，%，桉樹(shù)的生產(chǎn)者精度為86%；該分類方法比基于光譜、%，桉樹(shù)的生產(chǎn)者精度提高3%；%，桉樹(shù)的生產(chǎn)者精度提高8%。與傳統(tǒng)非監(jiān)督分類的ISODATA法和監(jiān)督分類的最大似然法相比，%，桉樹(shù)的生產(chǎn)者精度提高44%；%，桉樹(shù)的生產(chǎn)者精度提高28%；決策樹(shù)分類方法由于充分利用了各地類的光譜、植被指數(shù)、主成分變換、紋理等特征信息，提高了分類精度。關(guān)鍵詞：桉樹(shù)；遙感；紋理；決策樹(shù)分類；信息提取AbstractThe eucalyptus is one of the three fastgrowing forests in the world. Because of its high practical value and economic benefits, it is introduced by a large number of parts in the world. Yunnan is one of the largest provinces of planting eucalyptus, and how to scientifically and reasonably operate and manage for eucalyptus plantations has attracted much attention for people. Making eucalyptus forest resources survey is a basic work, but the traditional forest resources survey is timeconsuming and la